正则表达式初步学习

正则表达式

正则表达式，又称规则表达式**。**（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

• 给定的字符串是否符合正则表达式的过滤逻辑（匹配）
• 通过正则表达式，从字符串中获得我们想要的特定部分

使用场景

• 爬虫
• 数据挖掘和分析

在Python中使用正则需要导入re包

import re

首先我们来看两个例子来体验一下正则表达式的威力吧：

引入案例1

比如，已知一个列表：

​ li = [“Chinese”, “China”, “English”, “Britain”, “Canada”, “New Zealand”]

找出以Ch开头的字串。

# 法1
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
lt = []
for i in li:
	if i[0:2] == "Ch":
		lt.append(i)
print(lt)
# 法2
li = ["Chinese", "China", "English", "Britain", "Canada", "New Zealand"]
print([i for i in li if i[0:2]=="Ch"])

正则表达式

import re
sr = 'abc23ad56dff8as99'
m = r'[0-9]+'
num = re.findall(m, sr)
print(num)

['23', '56', '8', '99']

简单的字符串筛选列子：

sr = '<table><tr>hello world 18111234589<tr><tr><span>name:张三,tel:18711001111</span></tr></table>'
start = sr.find('<span>')
end = sr.rfind('</span>')
print(sr[start+len('<span>'):end])

当严格讨论与字符串中模式相关的正则表达式时，我们会用术语“匹配”（matching），指的是术语“模式匹配”（pattern-matching）。在Python 术语中，主要有两种方法完成模式匹配：“搜索”（searching），即在字符串任意部分中搜索匹配的模式；而“匹配”（matching）是指判断一个字符串能否从起始处全部或者部分地匹配某个模式。搜索通过search()函数或方法来实现，而匹配通过调用match()函数或方法实现。总之，当涉及模式时，全部使用术语“匹配”；我们按照Python如何完成模式匹配的方式来区分“搜索”和“匹配”。

Python正则表达式的基础

单字符匹配规则

字符	功能
.	匹配任意一个字符(除了\n)
[]	匹配[]中列举的字符
\d	匹配数字(0-9)
\D	匹配非数字(\d的取反)
\w	匹配字符，A-Z,a-z,0-9, _
\W	\w取反
\s	匹配空白字符，比如\tab
\S	匹配非空白字符，\s取反
[^abc]	匹配abc以外的所有字符

• re.match(pattern, string, flag=0)
  • 作用：从字符串的开头开始匹配一个模式
    • 匹配成功，返回一个匹配成功的对象
    • 否则，返回None
  • 参数说明：
    • pattern:匹配的正则表达式
    • string：要匹配的字符串
    • flags：标志位，用于控制正则表达式的匹配方式。比如是否匹配多好，是否区分大小写
• re.group([group1,…]) 字符串或者元组
  • 作用：获得一个或者多个分组截获的字符串
  • 指定多个参数时就会以元组形式返回
  • group1可以使用编号，也可以使用别名
  • 编号0代表匹配整个字符串
  • 如果没有截获字符串，返回None
  • 截获了多次的组，返回最后一次截获的子串
• regroups([空]) tuple
  • 作用：以元组形式返回全部分组截获的字符串。类似调用re.group(1,2,…,last)
  • 如果没有截获字符串，返回None

单字符匹配规则

字符	功能
.	匹配任意一个字符(除了\n)
[]	匹配[]中列举的字符
\d	匹配数字(0-9)
\D	匹配非数字(\d的取反)
\w	匹配字符，A-Z,a-z,0-9, _
\W	\w取反
\s	匹配空白字符，比如\tab
\S	匹配非空白字符，\s取反

demo:

import re
m = re.match('[aA]','asd')  # [内 列举]
print(m.group())        #   a
m = re.match('[aA]','Asd')# [内 列举]
print(m.group())        #   A
m = re.match('.','bsd')   # 除了\n都行
print(m.group())        #   b
m = re.match('a','bsd')
print(m.group())        #报错 第一个不是a
m = re.match('.','\n')
print(m.group())        #报错 ， '.'不能匹配 \n
m = re.match('[0123456789]','6789bsd')
print(m.group())       #6
m = re.match('[0-9]','6789bsd')
print(m.group())      #6
m = re.match('\d','6789bsd')
print(m.group())        #6
m = re.match('\D','bsd')  #非数字
print(m.group())     # b   
m = re.match('\w','A666bsd')  #字符 _ 英文字母 数字
print(m.group())    # A
m = re.match('\W','\n666bsd')    #\w取反
print(m.group())     # \n
m = re.match('\s','\n666bsd') #空白
print(m.group())     
m = re.match('\S','666bsd')   #非空白
print(m.group())  # 6

数量匹配规则

字符	功能
*	匹配前一个字符出现0次多次或者无限次，可有可无可多可少
+	匹配前一个字符出现1次多次无限次，直到出现1次
？	匹配前一个字符出现1次或者0次，要么一次要么没有
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符至少出现m次
{m,n}	匹配前一个字符出现m到n次

表示边界

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界 boundary
\B	匹配非单词边界

匹配分组

字符	功能
|	匹配左右任意一个表达式
(ab)	将括号内的字符作为一个分组
\num	引用分组num匹配到的字符串
(?p)	分组起别名
(?p=name)	引用别名为name分组匹配到的字符串

• re.search(pattern, string, flags=0)

  • 作用：扫描整个字符串，返回第一次成功匹配的对象

  • 如果匹配失败，返回None

  • 参数说明：

    • pattern:匹配的正则表达式
    • string：要匹配的字符串
    • flags：标志位，用于控制正则表达式的匹配方式。比如是否匹配多好，是否区分大小写

• re.findall(pattern, string, flags=0)

  • 作用：获取字符串所有匹配的子串，并以列表形式返回

• re.finditer(pattern, string, flags=0)

  • 作用：获取字符串所匹配的子串，并返回一个迭代器

re.match()和re.search()的区别

• re.match() 匹配字符串的开头，匹配失败None
• re.search()匹配整个字符串，知道找到一个陪陪，如果匹配失败，None

​

​